心电图(ECG)的小波变换特征提取

心电图(ECG)特征提取对于自动心血管疾病诊断有着非常重要的意义。本文成功地把图象识别技术小波变换应用于ECG信号的特征提取。整个系统包括两个部分,数据预处理和小波变换特征提取,进而产生应用于自动识别的特征矢量数据。并采用MIT-BIH标准心电数据库进行评估,结果表明该方法具有良好性能。     

基于PSoC的实时心电信号预处理系统的设计与实现

设计并实现一种基于PSoC的实时心电信号预处理系统,利用PSoC集成了微控制器以及嵌入式系统中的模拟及数字组件,以及极端灵活且可编程的特点,实现心电信号的采集、放大、A/D转换、数字去噪、存储、显示及蓝牙传输等功能。为了确保心电信号处理的准确性及实时性,采用Symlet小波变换对信号进行预处理,再通过阀值法检测R波,计算RR间期,实现对心电数据的简单分析。     

基于小波分析的往复压缩机气阀故障诊断方法研究

本文针对往复压缩机气阀信号复杂、信号特征难以提取等问题,基于小波变换技术,研究了往复压缩机气阀信号的特征提取及消噪的方法。提出了用于气阀信号处理的小波基函数选择原则和波形匹配及消噪的阀值选取原则。通过对实验对往复压缩机气阀的振动和压力信号进行分析,验证了该方法的可行性和有效性。为企业现场设备维修维护提供了可靠的理论数据。     

心电信号复杂度的算法研究

运用简单快捷的算法计算心电信号的复杂度,该复杂度可以将正常和缺血状态下的心电信号有效区分开。     

一种用于评价颈内动脉血管指标参数的评估方法及装置

本发明公开了一种用于评价颈内动脉血管指标参数的评估方法,包括以下步骤:获取步骤:获取颈内动脉血管的血流速度波形信号、血管影像图形、颈内动脉血管的血液对血管壁的压力波形信号以及人体的心电信号;处理步骤:根据血液动力学、图像处理软件对血流速度波形信号、压力波形信号、心电信号及血管影像图形进行处理得出颈内动脉血管指标参数,并根据系统预设的指标参数范围以及评分模型对颈内动脉血管指标参数进行评分得出对应的评分结果。     

基于机器学习方法的心电信号分类研究

近年来,心血管疾病已成为威胁人们生命的主要疾病,而心血管疾病患者早期发病时往往出现心律失常症状,因此早期检测心律失常对提前预防心血管疾病,及早介入治疗具有至关重要的意义。基于此,本研究利用小波分析方法对不同类型的心电序列进行去噪声处理,再利用ARMA模型以及时间序列的方法对分解后的信号序列进行特征提取,将ARMA模型的系数作为心电信号的特征指标;结合决策树分类、支持向量机分类和随机森林分类机器学习方法对提取后的心电特征指标进行分类研究,并根据实验结果对三种算法的性能进行比较分析。     

基于ARMA-APARCH模型和神经网络分类的心电数据挖掘

对ECG信号建议了基于ARMA-APARCH模型的特征提取新方法。经过对ECG信号进行预处理后,采用神经网络分类对MIT-BIH数据集的三种ECG信号进行数据挖掘,统计表明基于ARMA-APARCH模型和神经网络分类的心电识别精度较高。     

利用自适应小波变换检测心电QRS波算法的实现

为了解决心电图QRS波检测的问题,研究了一种基于自适应小波变换来检测QRS波的算法。该方法用心电信号的小波变换作为自适应白化滤波器的输入,然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出QRS波。采用该方法,有利于减小检测的误检率以及提高运行速度。     

实验教学用心电信号发生器设计与实现

心电信号(electrocardiogram,ECG)是评价心脏功能的主要依据。生物电信号的还原和放大是生物医学工程重要的研究领域之一。通过对人体心电信号的还原和放大,可以加深对生物电信号特点的理解,能够提高我们在强噪声背景下处理弱电的能力。单片机是微型计算机发展的一个重要方向,随着科学技术的发展,单片机的功能和性能已经有了很大提高。在本系统中,研究单片机控制的D/A转换电路、按键电路、显示电路及输出信号的处理电路,通过各部分电路,将数字心电矢量数组经数模转换显示在示波器上,从而得到清晰的心电波。     

基于改进EEMD的呼吸波提取算法

针对人体指端的光电容积脉搏波(PPG)提取呼吸波的缺点,并根据PPG信号的特点提出一种改进的整体平均经验模态分解(EEMD)算法。该算法利用PPG信号次波峰幅度平均值来确定添加噪声强度,计算每层分解的平均瞬时频率,在减少分解层数的同时选取较好的固有模态函数(IMF)重构呼吸波。采用MIMIC数据库中的4组数据进行测试,得到波形相对相关系数在0.65以上,幅度平方相干系数在0.98以上。实验结果表明,本文算法不但克服了EEMD算法提取呼吸波添加噪声和循环次数的不准确性,而且可以更有效、更准确的提取PPG中的呼吸波。     

心电信号数据压缩算法的研究

随着心电监护系统的不断深入发展,心电信号数据压缩算法在减少存储空间、提高传输效率方面日益凸显出其重要性。在过去的几十年,已经研究出很多压缩算法,本文大量查阅资料分析现有的算法,分析其优缺点,给出综合评价。本文不仅将已有的算法进行综述分析,使各种算法的使用情况一目了然,还为心电信号数据压缩算法的深入研究做了基本的铺垫。     

基于小波包和共空间模式的运动想象脑电信号分类方法

基于频率特性的传统脑电信号特征提取方法仅对各通道自身的能量特征进行提取,忽视了不同通道间脑电信号的相关性信息。为获得更好的特征提取效果,本文提出了基于小波包和共空间模式的脑电信号特征提取方法。针对左手和右脚运动想象脑电信号,利用小波包多分辨率特点在全频段内进行正交分解,提取运动想象脑电μ节律和β节律,通过共空间模式进行空间滤波提取特征。结合小波包和共空间模式方法的优点,可充分利用不同通道间的相关性信息,并利用支持向量机对两类运动想象脑电信号进行分类。实验获得了较好的脑电分类结果:μ节律最大分类正确率为93.125%,β节律最大分类正确率为91.875%,达到了脑机接口实际应用的标准。     

基于Android的便携式心电监护系统设计

利用Matlab处理心电信号的传统方式不能实现数据的实时处理与健康状况的及时诊断,且携带不方便,针对这种情况,提出了基于Android平台的便携式心电实时监护系统的设计方法。系统首先通过蓝牙4.0接收实时心电数据,然后利用心电数字滤波算法滤除干扰信号,绘制出较为理想的实时波形,最后通过心电诊断算法返回检测一段时间后的诊断信息,同时将压缩数据传输给医院服务器,以便医生通过聊天功能及时与用户进行交流。实验结果表明,本系统滤波效果良好,返回诊断结果准确,实现了与在Matlab上一样的处理效果。     

基于Morlet小波Canny边缘检测的遥感视觉提取

传统的Canny边缘检测方法提取遥感图像边缘视觉特征在设定不变矩阈值采用经验模式,导致视觉提取分辨率不好,特征提取不准。提出采用Morlet小波变换对遥感图像边缘特征进行不变矩阈值函数构建,提出一种基于Morlet小波Canny边缘检测算法的遥感图像视觉特征提取。将图像数据经过Canny边缘检测和标记分水岭分割,实现遥感图像视觉提取。仿真实验表明,该方法在遥感图像视觉特征提取上比传统的Canny边缘检测方法效果明显,提取正确率最高可以达到94.20%,算法将在远距离遥感目标识别和监测等领域具有很好的应用价值。     

改进的小波阈值去噪法在心电信号中的应用

目的:滤除心电信号中包含的基线漂移、工频干扰、肌电干扰三种主要噪声,获取干净有效的临床心电信号信息。方法:改进阈值处理函数的小波变换阈值去噪法。结论:改进阈值处理函数小波阈值去噪法能更好的弥补了软、硬阈值函数去噪法中存在的不足,得到的去噪效果更优。     

基于小波变换与平均幅度差函数倒数的基音周期检测算法

现目前基音周期检测大都具有检测的峰值不够尖锐,在噪声污染下容易出现误判,峰值间有干扰波形易出现倍频错误等缺点。本文提出将预处理后的语音信号先通过小波变换提取低频信号,再计算低频信号平均幅度差函数的倒数的算法提取基音周期。通过仿真实现,该算法提取基音周期时波形干净无干扰波形,并且峰值尖锐,能较为准确的提取基音周期。     

基于互信息特征的网络病毒动态交互约束算法

通过对网络病毒的动态交互约束抑制设计,实现对病毒入侵特征的有效识别。传统方法采用模糊网络入侵状态特征向量分解方法实现病毒约束抑制,当病毒入侵为一种非平稳随机信息矢量时,对其识别性能不好。提出一种基于互信息特征提取的网络病毒动态交互约束算法。构建网络病毒入侵的信号分析模型,并进行数据采集,采用数模转换方法进行病毒数据离散采样转换,采用重采样和机器学习结合方法,进行了链路漏洞检测,填补了Web防火墙的漏洞,采用三次B样条小波进行互信息特征提取的结果是渐近最优的,利用互信息特征作为检测系统的输入,进行病毒数据提纯处理,基于平均互信息特征提取算法实现特征建模和提取,实现病毒动态交互约束。仿真结果表明,该算法能使得病毒数据在时频空间上得到较明显的聚焦,频谱峰值突出,提高了病毒特征有效识别率。     

多层曝光图像序列轮廓波域平滑算法

提出一种基于伪信息去除的多层曝光图像序列轮廓波域平滑算法,首先设计图像序列块曝光生成和轮廓边缘检测算法,基于非局部均值滤波进行图像特征提取,对图像进行连续性小波变换,得到图像的伪信息中心矩特征,求得多层曝光图像的最大后验估计算子,最终生成灰度直方图二进制均衡系数,进行特征匹配后得到了去除伪信息的输出图像,实现对轮廓波域平滑算法改进。仿真实验表明,采用该算法得到图像轮廓波域平滑处理后的PSNR最高,保留了图像大部分的细节信息,展示了较好的伪信息去除性能,图像纹理清晰可见,图像的视觉效果更好,实现准确的轮廓波域平滑处理。     

基于小波变换的脚步声特征提取

为了通过脚步声信号对不同的人进行识别,提出了一种基于小波变换的脚步声特征提取方法.对采集到的脚步声信号进行小波分析,观察前后脚掌着地的时间,计算出后脚掌着地到前脚掌着地所用的时闻和前脚掌着地后信号延续的时间的比值,以及前后脚掌之间的能量和前脚掌着地后的能量的比值,依此来组成一个特征向量,用来对脚步声进行特征提取,并通过一个例子验证了提取的有效性.     

一种心电信号采集及传输方法的研究

当令心血管疾病已成为临床常见病之一,其发病率高,对生命的威胁性大。因此,就要求对其有直接、高效、易操作,易普及的检查方法。随着科学技术的发展,可以利用心电图机和PC机实现心电信号的处理,并完成心电图的显示、打印、分析及诊断。在处理心电信号前,心电信号的采集就至关重要。在采集心电信号时要求多通道、高采样率、高速、电路精简等。该方法利用TI公司生产的MSP430系列单片机配合其它元器件,对人体心电信号进行采集并满足上面的要求。